2010年上海世博会旅游经济影响力的评估

1 2010年上海世博会旅游经济影响力的评估 摘要 本文通过对上海世博会对旅游经济的影响力的客观分析，利用时间序列分析和加权拟合直线方程法，建立了上海世博会每天参展人数的模型；进一步通过层次分析确定了各个年龄段经济实力的权重，和特征根法建立了参展人数带来的经济效益模型。 文章首先选取了参展人数为问题切入点，首先对世博的影响力做了定性认识，并由此正确应用定量分析描述影响力的方向。并通过验证模型预测世博后期参展人数情况，阐述了它对旅游消费的刺激和巨大经济收益的影响。累计估算世博期间参展人数达6400万左右，进一步对这超大规模的人数建立递阶层次结构，为了确定参观人数对上海GDP的总贡献率，须要估计出各个年龄段对GDP贡献率的权重。为此，用层次分析法中的成对比较方法，来降低多因素一起比较时带来的不准确性。为了较准确地作出估计，采用中国工商银行提供的各个年龄段的储蓄率的数据表进行层次的分析，并利用特征根法求权重向量，经过一致性检验，进而预算出参展人群所带来的巨大经济收益。对比上海上半年总收入做定量分析和描述，分析结果表明，就旅游消费这一项所带来的经济效益就拉动了上海5%左右的GDP。 最后对所模型预测结果进行检验分析，并对模型改进提出建议。

关键字：上海世博会 时间序列分析 层次分析法 2

问题背景 回顾世界博览会一个半世纪的发展历程，从整体上看，无论是综合性世博会，还是专业性世博会，几乎每一届都会对主办国和举办城市的发展产生深远的影响。举办世博会，不仅给参展国家带来发展的机遇，扩大国际交流和合作，促进经济的发展，而且给举办国家创造巨大的经济效益和社会效益，宣传和扩大了举办国家的知名度和声誉，促进了社会的繁荣和进步。 1851年5月1日，世界上的第一次工业博览会在英国举办。完成了工业革命的英国已经是世界上一流的强国，没有人怀疑英国的强大，因为强大而带来的巨大召唤力使英国举办了第一届世界博览会。在占地9.6万平方米的展区中，展览用的桌子总长约有13公里，在23个星期的展览期间，有630万人进行了参观。14000件展出品中包括了一块24吨重的煤块，一颗来自印度的大金刚钻，还有一头标本大象，而引擎、水力印刷机、纺织机械则向参观者展示了现代工业的发展和人类焕发出的无限想象力。这次世界博览会不仅是一次“眼花缭乱，丰富多彩”的陈列，而且开创了今后数十年的自由贸易的先驱，向人类预示了工业化生产时代的到来，所有的展品均代表了现代工业的发展和人类的无限想象力。因此伦敦博览会被确认为现代意义上的首届世博会。水晶宫博览会成为二十世纪科学与进步的巨大推动力，它的成功使以后的世界博览会与奥运会一样成为全球规模的盛会，世界博览会因此被誉为“经济、科技与文化界的奥林匹克盛会”。 2010年，首次在上海世界博览会，是第41届世界博览会。于2010年5月1日至10月31日期间，在中国上海举行。此次世博会也是由中国举办的首届世界博览会。上海世博会以“城市，让生活更美好”为主题，总投资达450亿美元，创造了世界博览会史上最大规模记录。上海世博会是世界了解中国，中国走向世界舞台的舞台和窗口。世博无疑促进了上海经济中心的建设。为期184天的上海世博会突出“城市，让生活更美好”的民生主题，这也为中国社会迎来了一个相对宽松的时间，在这个平台上，世界可以与中国全方位对话，中国公众也可以零距离地感受来自各国的先进理念，而这一切都将有助于中国找寻经济转型乃至社会变革过程中急需借鉴的经验，甚至启迪全球化时代下中国经济社会发展的新思路。 将给中国的旅游业带来历史机遇和巨大的推动作用，这种机遇和推动不仅仅体现在世博会期间，还将影响到后续旅游业的发展。在历史上，1970年日本大阪世博会之后形成了关西经济带，其后10年发展迅猛，促进了日本经济的增长；埃菲尔铁塔是1889年世博会给巴黎留下的“摇钱树”，让法国相关行业收益无穷。上海位于长江入海口，世博会的举办必将产生显著的周边动效应，带动华东甚至辐射到全国经济的发展，这方面的价值将难以估算。世博会吸引着最多的眼球，由它带来的参展国、参展商和参展机构众多，吸引参观游人的数量更是庞大。旅游者的参观活动必将拉动当地和周边旅游业的发展。它为上海旅游业的发展提供了极大的机遇。一个国家举办世博会，受益最直接的就是旅游业。巨大的游客数量给上海旅游业产生难以估量的积极影响。那么，对于2010年上海世博会，它在这一方面所带来的巨大价值又会产生怎样的影响力呢？这将是我们思考的重点。 3

问题分析 根据问题背景，可做如下分析：对2010上海世博会影响力的评估。这里的影响力本来应该是一个综合影响力，才能更好的评估。但要求从某个侧面建立数学模型，因此可以理解为世博对这个侧面的影响力，并做定量描述。而在背景中所提到的个方面，无疑经济是最为直接的可量化的对象。但是经济所涉及的到的范围甚广，几乎每个方面归根结底都要和经济挂钩。然而我们却可以把某个具体的方面的经济效益作为一个影响力的评估指标。具体的方面，我们可以先从世博参展人数或者旅游人数入手。因为参展人数被认为是世博效益评估最重要的一个因素，据估计，世博会赢利中大约有50%是来自门票的收入。 从历届世博会的举办情况看，世博会能吸引国内国外大量的游客。无疑会带来巨大的门票收入和其它一些旅游经济收益，不仅如此，伴随着游客旅游所形成的旅游消费链，将为上海市带来难以估计的价值。世博会不仅为上海，也将为周边地区带来巨大的旅游客源市场，势必带动周边旅游业的发展。世博会是旅游收入大幅增加的同时，并带动相关产业的收益。旅游消费链的形。因此我们有必要建立一个数学模型，较为准确的把握世博会后期的一个旅游人数状况。 相关信息表明，世博旅游放大效应极为显著，旅游市场呈现出活跃向上的良好势态，就上半年数据统计显示，上海入境旅游人数和星级饭店客房入住率均出现同比增长30多个百分点的局面。在世博会以及以“世博旅游”为核心的境内外促销的不断放大效应影响，上海的旅游市场从2010年开始就高度活跃，出现了所谓的“淡季不淡，旺季火爆”的局面。我们从相关据统计了解到，1月份到七月份期间，上海入境游客人数累计达到了460多万人次，同比增长33%以上。星级饭店客房出租率达八成。今年5月1日至8月20日，上海市星级饭店客房平均出租率达80 %，比去年同期增30个百分点。除星级饭店之外，上海其他饭店客房平均出租率82%，比去年同期增25个百分点。从世博园开园的两个月，餐饮销售已超过5亿元。其中，园区公共区域餐厅在6月份共接待用餐超过700万人次，同比增长约33%。据了解，约有70%的参观者在园内用餐，与历届世博会的经验数据相当。而7月份，在旅游团队、暑期学生和市民赠票三大客流的带动下，世博会单日入园人数再创新高，当月入园人数达1378.86万人，比上月增长5.3％以上。人流的增加也带来了园区商业零售额的增长，7月份，世博园内公共区域实现零售额5.42亿元，比上月增长2.8%。其中，餐饮业实现零售额3.17亿元，以特许商品为主的商品实现零售额2.25亿元左右。庞大的参观者大部分能转换成旅游者，对推动世博园区域的旅游经济的发展产生重要影响。“2010中国世博旅游年”启动仪式在上海举行，这预示着，上海世博会是推动中国旅游业空前发展的一个重大契机。 从以上基本信息，旅游消费链的形成，对旅游业的几个要素比如宾馆业，餐饮业，旅游交通，文化娱乐业，商业购物等相关行业起到巨大的拉动作用。我们可以只需关注旅游消费链的两个相对较为重要的因素——餐饮业和宾馆业，庞大旅游人数所带来的最为直接的效益就是促进了当地餐饮发展和宾馆入住率的提高。它们共同为旅游经济的攀升提供强有力的着实点。 4

基本假设 通过以上分析，我们做如下假设： 1、假设世博每天参展人数没有限度，即世博会的入园人数不限定； 2、假设各个随机因素相互不影响； 3、假设由层次分析法所确定的权限是合理的，有充分的数据依据； 4、假设世博会入园票是充分利用了，即忽略逃票和弃票等小概率事件； 5、假设上海统计局等官方网站公布的数据真实可信； 6、假设世博期间重要活动因某种原因取消的概率为零。

符号说明 xt 时间序列观察值 Tt 长期趋势值 St 季节变动系数 Ct 循环变动系数 It 随机变动系数 T×C 居中平均值 Q 离差平方和 A 比较矩阵 λmax 最大特征值

V 最大特征值对应的特征向量 CI 一致性指标 RI 随机一致性指标 CR 一致性比率指标 g 各年龄段人数比例矩阵 G 各年龄人数矩阵 H 最低消费值 5

模型建立与求解 １．参展人数预测模型 根据上述分析和假设，因为参展人数被认为是世博效益评估最重要的一个因素，因此我们感兴趣的是世博期间（特别是后期）参展人数的情况，基于各种预测系统，发现时间序列法和灰色预测法等预测方法，都认为历史数据中观察的动态可以在未来持续一段时间，从而根据过去递推未来。时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。 下面是世博会参展人数的统计情况，通过MATLAB绘出如下图形：

图1 5月1日-9月9日每天参展人数 图1直观展示了参展人数在这段时间内的走势，可以看出参观人数在开馆初期急速增长，中间时间段表现相对稳定，在假期随之结束后，参展人数相对减少。三个阶段中参观人数呈现一定的周期性变化。通过进一步分析，双休日的参观人数增长率有比较大的增幅，而工作日的增长率有一定的下降，这一变化规律完全符合时间序列分析方法。 时间序列观察值xt受到长期趋势值（包括水平型）Tt，季节变动系数St，循